- •Раздел 10. Элементы теории вероятностей
- •10.1 Событие и вероятность
- •Статистическое определение вероятности
- •Классическое определение вероятности.
- •Сведения из комбинаторики
- •Задачи для самостоятельного решения
- •Контрольные вопросы
- •10.2 Свойства вероятности. Теоремы сложения и умножения
- •Теорема умножения вероятностей
- •Формула полной вероятности
- •Формула Байеса
- •Задачи для самостоятельного решения
- •Контрольные вопросы:
- •10.3 Дискретные и непрерывные случайные величины
- •Дискретные случайные величины
- •Числовые характеристики дискретных случайных величин.
- •Свойства математического ожидания дискретной случайной величины
- •Свойства дисперсии дискретной случайной величины
- •Непрерывные случайные величины
- •Числовые характеристики непрерывных случайных величин
- •Задачи для самостоятельного решения:
- •Контрольные вопросы
- •10.4 Некоторые законы распределения случайных величин (биномиальный, равномерный, нормальный)
- •Биномиальное распределение
- •Равномерное распределение
- •Нормальное распределение
- •График плотности распределения
- •Задачи для самостоятельного решения
- •Контрольные вопросы
- •10.5 Введение в теорию случайных процессов
- •Математическое ожидание случайного процесса и его свойств
- •Дисперсия случайного процесса и её свойства.
- •Пример стохастической модели роста популяции
Равномерное распределение
Непрерывная случайная величина называется равномерно распределенной на отрезке [a,b], если ее плотность распределения вероятностей на этом отрезке постоянна, а вне его равна 0, то есть имеет вид:
(с – соnst.)
Исходя из свойства функции плотности распределения, найдем значение константы с:
Откуда с = .
И так, плотность вероятности непрерывной случайной величины Х, распределенной равномерно на отрезке [a, b], имеет вид:
Задача: Восстановить значение интегральной функции распределения в этом случае.
Решение: Проводя рассуждения, аналогичные тем, что применялись в примере 7 раздела 10.3, придем к следующему виду интегральной функции распределения:
Нормальное распределение
Непрерывная случайная величина нормально распределена, если ее плотность распределения имеет симметричный колоколообразный характер. Примеры подобных величин многочисленны и разнообразны:
масса клубня картофеля,
привес животного за месяц откорма,
рост (или вес) людей,
содержание жира в молоке,
погрешность измерения прибора.
На характер распределения упомянутых случайных величин влияет большое число факторов, причем влияние каждого из них относительно невелико и не является преобладающим над другими факторами.
Непрерывная случайная величина Х имеет нормальный закон распределения, если ее функция плотности вероятности имеет вид:
Здесь a=М(Х) – математическое ожидание или среднее значение, = D(X) – среднее квадратическое отклонение случайной величины.
График плотности распределения
Исследование функции (х) при а=0 показывает:
1) Пересечение с осью OY в точке А(0, )
2) Экстремум:
Откуда х=0, то есть в точке А достигается максимум.
3) f(x)=0 ось ОХ – горизонтальная асимптота.
f(-x) = f(x) функция четная (симметрична относительно оси OY).
4) Точки перегиба:
Откуда х=. Получаем две точки перегиба: ;
График функции f(х) представлен на рисунке 1.
Рис.1:
а) общий вид функции плотности нормального распределения f(x);
б) зависимость f(x) от параметра при а = 0.
Как видно из рисунка 1, график функции y = f(x) имеет симметричный, колоколообразный характер, при меньшем значении достигается меньшее рассеяние вокруг среднего и больший максимум; при a0 кривая плотности распределения сдвигается вправо на a единиц.
Вероятность попадания нормально распределенной случайной величины в заданный интервал.
Где - интегральная функция Лапласа, задается таблично.
Из свойств определенного интеграла Ф(-х)= - Ф(х), т.е. функция Ф(х) – нечетная.
Отсюда выводятся следующие (производные) формулы:
Полагая: а) =
(68%)
б) =2
(95%)
в) =3
(100%)
Правило трех сигм (3): практически достоверно, что при однократном испытании, отклонение нормально распределенной случайной величины от ее математического ожидания не превышает утроенного средне-квадратического отклонения.
Задача: Предполагается, что масса вылавливаемых в пруду зеркальных карпов есть случайная величина Х, имеющая нормальное распределение с математическим ожиданием a=375 г. и средним квадратическим отклонением = 25 г. Требуется определить:
А) Вероятность, что масса случайно выловленного карпа окажется не менее =300 г. и не более =425 г.
Б) Вероятность, что отклонение указанной массы от среднего значения (математического ожидания) по абсолютной величине будет меньше = 40 г.
В) По правилу трех сигм найти минимальную и максимальную границы предполагаемой массы зеркальных карпов.
Решение:
А)
Вывод: Примерно 98% карпов, плавающих в пруду, имеют массу не менее 300 г. и не более 425 г.
Б)
Вывод: Примерно 89% имеют массу от a- = 375- 40 = 335 г. до a+ = 375 + 40 = 415 г.
В) По правилу трех сигм:
Вывод: Масса практически всех карпов (примерно 100%) заключена в интервале от 300 до 450 грамм.